MiniMax M3 vs Kimi K2.7 vs GLM-5.2: что выбрать

TL;DR: Нужен один универсал — бери MiniMax M3: миллион токенов контекста, нативная мультимодальность и самые сильные заявленные цифры по кодингу. Kimi K2.7 Code берут под агентов с тяжёлым tool-use и ради экономии на токенах, а GLM-5.2 — если хочешь остаться в Claude Code и платить фиксированную подписку вместо счетов за API.

За две недели июня 2026 вышли сразу три открытые китайские модели для кодинга: MiniMax M3, Kimi K2.7 Code и GLM-5.2. Все три встают в Claude Code и другие агенты через Anthropic-совместимый эндпоинт, все стоят заметно дешевле Opus 4.8 и GPT-5.5, и у всех открытые (или вот-вот открытые) веса. Выбор между ними упирается в то, что тебе важнее: контекст, цена, мультимодальность или формат оплаты. Про то, «какая умнее», говорить сложно: независимых бенчмарков почти нет, все цифры пока от самих вендоров. Разберу каждую и сведу в таблицу.

MiniMax M3

M3 от китайской MiniMax вышла 1 июня и метит сразу во фронтир. Это Sparse Mixture-of-Experts на собственной архитектуре внимания MSA (MiniMax Sparse Attention), которая и разблокировала дешёвый контекст до 1 млн токенов (с гарантированным минимумом 512K). Параметров около 428 миллиардов по более поздним оценкам, на запуске MiniMax число официально не раскрывала.

Главный козырь — это единственная из тройки, у кого есть полный набор сразу: фронтирный кодинг, миллионный контекст и нативная мультимодальность (на вход идут текст, картинки и видео). По заявленным бенчмаркам M3 показывает 59,0% на SWE-Bench Pro (чуть выше 58,6% у GPT-5.5) и 83,5 на BrowseComp, обходя на нём Claude Opus 4.7. Отдельно MiniMax хвасталась длинными автономными прогонами: в одном из кейсов модель почти 12 часов сама воспроизводила статью с ICLR 2025, в другом за сутки подняла утилизацию CUDA-ядра с 7,6% до 71,3%.

По деньгам M3 самая агрессивная. На OpenRouter базовая ставка $0,60 за миллион входных токенов и $2,40 за выходные, на старте была промо-скидка вдвое. Это примерно в десять раз дешевле Opus. Есть и подписки: Plus за $20, Max за $50, Ultra за $120 в месяц. Веса обещали открыть на HuggingFace вскоре после запуска, но лицензия вышла с условиями на коммерческое использование, и это уже вызвало вопросы у сообщества. Подробнее в полном обзоре M3.

Kimi K2.7 Code

Kimi K2.7 Code от Moonshot AI появилась 12 июня и сделала противоположный выбор: никакого универсализма, только кодинг и только агентные сценарии. Архитектура MoE на триллион параметров, но на каждый токен активируется лишь 32 миллиарда, плюс визуальный энкодер MoonViT. Контекст 256K токенов — меньше всех в этой тройке. Формально модель мультимодальная, но весь акцент релиза на коде, а general-purpose версии на старте просто нет.

Любопытная деталь: thinking-режим тут принудительный, выключить его нельзя. На сложной агентной задаче рассуждения окупаются, на тривиальном «переименуй переменную» ты всё равно платишь за размышления. Зато Moonshot заявляет снижение расхода thinking-токенов примерно на 30% относительно прошлой версии. По собственным бенчмаркам Kimi почти везде идёт третьей после GPT-5.5 и Opus 4.8, но в одной дисциплине удивляет: на MCP Mark Verified она берёт 81,1 против 76,4 у Opus 4.8. Для агентов, которые живут на вызовах внешних инструментов, это весомо.

Цена API: $0,95 за миллион входных токенов, $4,00 за выходные, а кэш-хит стоит смешные $0,19. В агентных циклах с повторяющимся контекстом это рекордно дёшево, примерно впятеро ниже Opus. Лицензия Modified MIT, веса уже лежат на Hugging Face — то есть это единственная из трёх, которую реально можно скачать прямо сейчас, без оговорок про «вот-вот выложим». Детали в обзоре Kimi K2.7 Code.

GLM-5.2

GLM-5.2 от Z.ai вышла 13 июня, и самое интересное здесь не сама модель, а схема использования. Ты оставляешь привычный Claude Code, меняешь пару строк в конфиге, и внутри работает китайская модель с контекстом в миллион токенов (максимальный вывод 131K). Платишь при этом фиксированную подписку, а не поминутную оплату API. Архитектуру и число параметров Z.ai на старте не раскрыла.

С бенчмарками туго: для 5.2 компания не опубликовала ни SWE-bench, ни LiveCodeBench. Z.ai заявляет уровень Opus 4.6–4.7, но это пока слова, а не независимые замеры. Ориентироваться можно разве что на предшественницу: GLM-5.1 набирала 58,4 на SWE-Bench Pro, обходя там GPT-5.4 и Opus 4.6. Если 5.2 хотя бы сохранила этот уровень и добавила миллион токенов контекста, заявка выглядит обоснованной, но проверять придётся самому.

Оплата устроена иначе, чем у конкурентов: подписка GLM Coding Plan с фиксированной ценой и лимитом запросов. Lite примерно $10 в месяц, Pro около $30, Max около $80. Открытые веса под лицензией MIT обещали выложить на неделе 16–20 июня, то есть на этих днях. Как поставить GLM в Claude Code пошагово — в отдельном разборе.

Сравнение в таблице

Почему бенчмарки нельзя сравнить напрямую

Тут придётся честно остудить пыл. Сложить три модели в одну табличку и ткнуть пальцем в победителя не выйдет, и вот почему.

Во-первых, у всех разные наборы тестов. M3 меряет себя на SWE-Bench Pro, Terminal-Bench и BrowseComp. Kimi гоняет собственные Kimi Code Bench v2 и MCP Mark. GLM для версии 5.2 не опубликовала вообще ничего, кроме обещаний. Во-вторых, почти все цифры — это прогоны самих вендоров, а независимые лидерборды свои замеры на дату выхода ещё не дали. В-третьих, даже там, где наборы пересекаются, харнессы, обвязка агента и промпты отличаются, и пара процентов легко набегает на одной методологии.

Точек прямого сравнения остаётся всего две, и обе с оговорками. На SWE-Bench Pro у M3 заявлено 59,0%, а 58,4% есть у GLM-5.1 — но это прошлая версия GLM, не 5.2. На MCP Atlas M3 показывает 74,2%, а Kimi 76,0% — но это разные прогоны разных команд. Вывод простой: читай эти числа как повод протестировать модель на своём коде, а не как доказательство, что она улучшит конкретно твой проект.

Что выбрать

Однозначного лидера тут нет, и притворяться, что есть, смысла нет. Зато под конкретный сценарий выбор довольно ясный.

Бери MiniMax M3, если нужен один универсал на всё: самый полный пакет возможностей, миллион токенов контекста, работа с картинками и видео, плюс самая агрессивная цена за токен. Это дефолтный выбор, если не хочешь держать зоопарк моделей.

Kimi K2.7 Code берут под другое: агентный пайплайн с тоннами вызовов инструментов, где каждый цент на токенах превращается в реальные деньги. Она сильна именно в tool-use, кэш-хит по $0,19 почти неприлично дёшев на повторяющемся контексте, а веса под Modified MIT уже доступны без всяких «вот-вот». Минус честный: только код, никакого general-purpose, и в большинстве бенчмарков она третья.

GLM-5.2 — вариант для тех, кто живёт в Claude Code, упёрся в счета Anthropic и хочет фиксированную подписку вместо оплаты за API, не меняя инструмент. Миллион токенов контекста и предсказуемая цена — сильная пара. Минус тоже честный: бенчмарков для 5.2 на старте нет, и до выхода независимых тестов это покупка на доверии к Z.ai.

Если совсем коротко про мой взгляд: основным я бы сегодня поставил M3 за полноту и цену, Kimi держал бы для агентов с тяжёлым tool-use, а GLM пробовал бы, если уже сижу в Claude Code и плачу Anthropic слишком много. Но все три пока ставка вслепую до независимых замеров, так что финальное слово за прогоном на твоих собственных задачах.

FAQ

Какая из трёх моделей лучшая для кодинга? Зависит от задачи. У M3 самый полный пакет и сильные заявленные цифры, Kimi выигрывает в работе с инструментами, GLM удобнее всех ставится в Claude Code. Независимых бенчмарков, которые расставили бы их по местам, на дату выхода нет.

Можно ли запустить их локально? Да, но железо нужно серьёзное. Веса Kimi уже на Hugging Face (около 240 ГБ в квантованном виде, до 600 ГБ в полном). Веса M3 обещаны на HuggingFace, GLM-5.2 под MIT — на неделе 16–20 июня. Домашней видеокартой ни одну из трёх не поднять.

Какая дешевле всего? На повторяющемся контексте рекордсмен Kimi с кэш-хитом по $0,19 за миллион входных токенов. По обычной ставке дешевле всех M3 ($0,60 / $2,40). GLM работает по фиксированной подписке от $10 в месяц, что выгоднее при стабильно высокой нагрузке.

Работают ли они в Claude Code? Да, все три цепляются к Claude Code через Anthropic-совместимый эндпоинт, а также к Cline, Roo Code и другим агентам с поддержкой кастомных моделей.

Что ещё почитать

• MiniMax M3: открытая модель бьёт GPT-5.5 в кодинге — полный обзор архитектуры MSA, бенчмарков и цен
• Kimi K2.7 Code: обзор открытой модели для кодинга — подробно про tool-use, экономию токенов и запуск
• GLM-5.2 в Claude Code: 1M контекста дешевле Claude — пошаговая настройка замены Claude
• Claude Opus 4.8: что нового против Opus 4.7 — фронтир, с которым все три модели себя сравнивают